Category-Conditioned Web Exposure Tracks Brand Presence in ChatGPT Fanout Queries
यह अध्ययन प्रकट करता है कि प्रारंभिक वेब-सर्च फैनआउट प्रश्नों के लिए चैटजीपीटी (ChatGPT) द्वारा ब्रांडों का चयन केवल ब्रांड पहचान के बजाय श्रेणी-विशिष्ट वेब उपस्थिति से प्रभावित एक सीमित रैंकिंग प्रक्रिया द्वारा संचालित होता है, जैसा कि इस तथ्य से सिद्ध होता है कि प्रसिद्ध ब्रांडों को अक्सर छोड़ दिया जाता है जबकि वे मॉडल द्वारा ज्ञात होते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
जब आप एक आधुनिक, इंटरनेट से जुड़े आर्टिफिशियल इंटेलिजेंस से बेहतरीन कैमरों या शीर्ष प्रोजेक्ट मैनेजमेंट टूल्स के बारे में पूछते हैं, तो वह मशीन केवल वेब को स्कैन करके पहले कुछ परिणाम नहीं चुन लेती जो उसे मिलते हैं। किसी भी वेबपेज को देखने से पहले ही, AI अपना स्वयं का सर्च क्वेरी (खोज प्रश्न) लिखता है। यह पहला ड्राफ्ट, जो एक सेकंड के भीतर तैयार होता है, अक्सर Canon या Sony जैसे विशिष्ट ब्रांड नामों को शामिल करता है। यह किसी भी इंसान या कंप्यूटर द्वारा वास्तविक खोज परिणामों को देखे जाने से पहले ही हो जाता है। मशीन अनिवार्य रूप से पहले से ही यह तय कर रही है कि वह किन कंपनियों के बारे में बात करने के लिए तैयार है। यह प्रारंभिक निर्णय महत्वपूर्ण है क्योंकि सर्च इंजन फिर उन विशिष्ट ब्रांडों के बारे में पृष्ठों की तलाश करेगा, जिससे उनके अंतिम उत्तर में आने की संभावना बहुत बढ़ जाएगी। यदि कोई ब्रांड उस पहले ड्राफ्ट में छूट जाता है, तो वह लगभग अदृश्य हो जाता है, भले ही मशीन उस ब्रांड के अस्तित्व को जानती हो।
यह उन लोगों के लिए एक पहेली खड़ा करता है जो इन प्रणालियों के काम करने के तरीके को समझने की कोशिश कर रहे हैं: यदि AI एक ब्रांड को जानता है, तो वह कभी-कभी उसे अपने पहले ड्राफ्ट में क्यों छोड़ देता है? क्या मशीन ब्रांड को भूल रही है, या वह एक जानबूझकर किया गया चुनाव कर रही है? स्वतंत्र शोधकर्ता एंटनी डेरोशन का एक नया अध्ययन इसी निर्णय के क्षण की जांच करता है। यह शोध एक विशिष्ट प्रकार के आर्टिफिशियल इंटेलिजेंस पर केंद्रित है जो वेब को खोज सकता है, और इस बात पर नज़र रखता है कि वह अपनी प्रारंभिक खोज अनुरोध में किन कंपनी के नामों को शामिल करने का चयन करता है। अध्ययन यह पूछता है कि क्या मशीन कुछ ब्रांडों से अनभिज्ञ है, या वह किसी छिपे हुए नियम के आधार पर उन्हें सक्रिय रूप से फ़िल्टर कर रही है। निष्कर्ष बताते हैं कि मशीन ब्रांडों को अच्छी तरह से जानती है लेकिन उसे उन्हें छोड़ने के लिए मजबूर होना पड़ता है क्योंकि उसके पास एक साथ कितने नामों को सूचीबद्ध किया जा सकता है, इसकी एक सख्त सीमा है।
इसकी कार्यप्रणाली को समझने के लिए, शोधकर्ता को पहले यह अलग करने की आवश्यकता थी कि मशीन क्या जानती है और वह क्या कहती है। उन्होंने इंटरनेट एक्सेस बंद करके AI से ईमेल मार्केटिंग, कस्टमर सर्विस सॉफ्टवेयर और कैमरों जैसी श्रेणियों में अग्रणी ब्रांडों को सूचीबद्ध करने के लिए कहा। मशीन कई ब्रांडों के नाम बताने में सक्षम थी, जिनमें कुछ ऐसे ब्रांड भी शामिल थे जिनका वह वास्तव में वेब पर खोज करते समय शायद ही कभी उल्लेख करती है। उदाहरण के लिए, जब पूछा गया कि ईमेल मार्केटिंग के लिए कौन से ब्रांड दिमाग में आते हैं, तो मशीन ने 50 में से 49 प्रयासों में "Campaign Monitor" का नाम लिया। हालाँकि, जब उसी मशीन को ईमेल मार्केटिंग के सर्वोत्तम टूल्स के लिए लाइव सर्च करने के लिए कहा गया, तो उसने शुरुआती सर्च क्वेरी में "Campaign Monitor" को 50 में से केवल एक बार शामिल किया। मशीन स्पष्ट रूप से उस ब्रांड को जानती थी, फिर भी उसने खोज अनुरोध में उसे लगातार छोड़ दिया। ज्ञान और क्रिया के बीच के इस अंतर ने साबित कर दिया कि चूक स्मृति (मेमोरी) की विफलता नहीं थी।
शोधकर्ता ने यह पता लगाने के लिए कि ऐसा क्यों हुआ, एक सिमुलेशन बनाया। उन्होंने AI का एक संस्करण बनाया जो सर्च क्वेरी लिख सकता था लेकिन किसी भी वास्तविक वेबसाइट को खोजने की अनुमति नहीं थी। उन्होंने इस सिम्युलेटर का परीक्षण विभिन्न बाधाओं के तहत ब्रांडों को सूचीबद्ध करने के लिए कहकर किया। जब उन्होंने सिम्युलेटर को एक बहुत छोटा क्वेरी लिखने के लिए कहा, तो इसने उन्हीं ब्रांडों को छोड़ दिया जिन्हें वास्तविक मशीन छोड़ देती है। लेकिन जब उन्होंने सिम्युलेटर को अधिक से अधिक ब्रांड सूचीबद्ध करने के लिए कहा, तो इसमें वे सभी शामिल थे, जिनमें वे भी शामिल थे जिन्हें आमतौर पर छोड़ दिया जाता है। इससे पता चला कि मशीन ब्रांडों को इसलिए बाहर नहीं कर रही है क्योंकि वह उन्हें नापसंद करती है या उन्हें नहीं जानती; वह उन्हें इसलिए बाहर कर रही है क्योंकि उसके पास एक वाक्य में कितने नाम फिट किए जा सकते हैं, इसका एक बहुत ही सीमित बजट है। मशीन अनिवार्य रूप से एक लाइब्रेरियन की तरह है जिसके पास लिखने के लिए एक बहुत छोटी सूची है। यदि सूची में केवल तीन नाम आ सकते हैं, तो वह शीर्ष तीन को चुनेगी, और चौथा सबसे अच्छा ब्रांड, चाहे वह कितना भी प्रसिद्ध क्यों न हो, पूरी तरह से सूची से बाहर हो जाएगा।
अध्ययन ने यह भी देखा कि कौन से ब्रांड उस छोटी सूची में जगह बनाते हैं। शोधकर्ता ने इस बात के बीच एक मजबूत संबंध पाया कि इंटरनेट पर किसी विशिष्ट श्रेणी के संबंध में एक ब्रांड कितनी बार दिखाई देता है और वह मशीन की आंतरिक सूची में कितने ऊंचे स्थान पर रैंक करता है। उदाहरण के लिए, यदि कोई कैमरा ब्रांड उन वेबसाइटों पर बार-बार उल्लेखित होता है जो कैमरों के बारे में भी बात करती हैं, तो उसके सर्च क्वेरी में शामिल होने की संभावना अधिक होती है। हालाँकि, यह तभी काम करता है जब गिनती उस श्रेणी के लिए विशिष्ट हो। एक कंपनी जो कई अलग-अलग उत्पाद बनाती है, जैसे कि एक विशाल टेक फर्म जो कैमरे, फोन और कंप्यूटर बेचती है, वह लाखों वेबसाइटों पर दिखाई दे सकती है। यदि आप हर एक उल्लेख को गिनते हैं, तो वह कंपनी सबसे लोकप्रिय कैमरा ब्रांड लग सकती है। लेकिन यदि आप केवल उन वेबसाइटों को गिनते हैं जो विशेष रूप से कैमरों का उल्लेख करती हैं, तो एक अलग ब्रांड वास्तव में अधिक प्रमुख हो सकता है। अध्ययन ने दिखाया कि मशीन इस विशिष्ट, श्रेणी-केंद्रित लोकप्रियता पर ध्यान देती है। वह ब्रांडों को इस आधार पर रैंक करती है कि वे अपने विशिष्ट क्षेत्र के भीतर कितने दृश्यमान हैं, न कि केवल कंपनी सामान्य रूप से कितनी प्रसिद्ध है।
इस पैटर्न की जांच करने के लिए कि क्या यह नए श्रेणियों के लिए भी सच है, शोधकर्ता ने उसी पद्धति को इलेक्ट्रॉनिक सिग्नेचर सॉफ्टवेयर पर लागू किया, जो ब्रांडों का एक समूह था जिसका उन्होंने पहले अध्ययन नहीं किया था। उन्होंने दस्तावेज़ों पर हस्ताक्षर करने से संबंधित वेबसाइटों पर प्रत्येक ब्रांड कितनी बार दिखाई देता है, इसका मापन किया और उसकी तुलना इस बात से की कि मशीन ने उन्हें अपने सिम्युलेटेड सर्च लिस्ट में कितनी बार शामिल किया। परिणाम लगभग पूरी तरह से मेल खाते थे। जो ब्रांड प्रासंगिक वेबसाइटों पर सबसे अधिक बार दिखाई दिए, वही थे जिन्हें मशीन ने अपनी छोटी सूची में शामिल करने के लिए चुना। यह सुझाव देता है कि मशीन की आंतरिक रैंकिंग इंटरनेट पर ब्रांडों के प्रतिनिधित्व से गहराई से जुड़ी हुई है, विशेष रूप से पूछे गए प्रश्न के संदर्भ में। मशीन इन प्राथमिकताओं को खुद से आविष्कार नहीं कर रही है; वह इंटरनेट से सीखी गई जानकारी की संरचना को प्रतिबिंबित कर रही है।
शोध ने कई अन्य संभावित स्पष्टीकरणों को भी खारिज कर दिया। उसने यह परीक्षण किया कि क्या मशीन टेक्स्ट पढ़ते समय भी कुछ ब्रांडों को दूसरों की तुलना में पसंद करती है, चाहे सर्च क्वेरी कुछ भी हो। एक परीक्षण में, मशीन को एक काल्पनिक कंपनी के तीन समान विवरण दिखाए गए, जिसमें केवल ब्रांड का नाम बदला गया था। उसने लगातार एक ब्रांड को दूसरों की तुलना में चुना, जो एक मामूली प्राथमिकता दर्शाता है। हालाँकि, यह प्राथमिकता उन ब्रांडों से मेल नहीं खाती जिन्हें उसने अपने सर्च क्वेरी के लिए चुना था। मशीन किसी विवरण को पढ़ते समय किसी ब्रांड को पसंद कर सकती है, लेकिन वह खोज करने के लिए अलग-अलग ब्रांडों को चुनती है। यह साबित करता है कि सर्च क्वेरी में ब्रांड को शामिल करने का निर्णय केवल ब्रांड का नाम पसंद करने की प्रक्रिया से अलग है। अध्ययन ने यह भी जांचा कि क्या डेटा से कम गुणवत्ता वाली या डुप्लिकेट वेबसाइटों को हटाने से परिणाम बदल जाएंगे। इससे कोई फर्क नहीं पड़ा। डेटा को साफ करने के बाद भी वेब दृश्यता और मशीन के विकल्पों के बीच संबंध मजबूत बना रहा।
अंत में, अध्ययन एक स्पष्ट तस्वीर पेश करता है कि ये सर्च-सक्षम मशीनें कैसे काम करती हैं। वे टेक्स्ट के रैंडम जनरेटर नहीं हैं, और न ही वे साधारण सर्च इंजन हैं जो उन्हें मिलने वाले सब कुछ को सूचीबद्ध करते हैं। वे ऐसी प्रणालियाँ हैं जो सीमित विकल्पों के आधार पर निर्णय लेती हैं। वे बहुत सारी जानकारी जानती हैं, लेकिन जब उन्हें इंटरनेट से प्रश्न पूछना होता है, तो उन्हें उस ज्ञान को एक बहुत छोटी सूची में संकुचित करना होता है। जो ब्रांड इस प्रक्रिया में सफल होते हैं, वे न केवल जाने-माने होते हैं बल्कि विशिष्ट संदर्भ में अत्यधिक दृश्यमान भी होते हैं। इन प्रणालियों द्वारा देखे जाने के लिए, केवल अस्तित्व में होना पर्याप्त नहीं है; उन्हें उस विशिष्ट विषय के लिए सबसे प्रासंगिक विकल्प के रूप में उभरना होगा। यह अंतर्दृष्टि कि हमें आर्टिफिशियल इंटेलिजेंस के युग में दृश्यता के बारे में कैसे सोचना चाहिए, ध्यान को केवल ऑनलाइन मौजूद रहने से हटाकर, पूछे गए विशिष्ट प्रश्नों के साथ स्पष्ट रूप से और विशेष रूप से जुड़े रहने की ओर स्थानांतरित करती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।